Biais d'évaluation corrigé pour de meilleurs modèles sur Amazon Bedrock
En bref
- 96,8 % des étiquettes d'évaluation de vision par IA provenaient du modèle existant.
- Construction d'une vérité terrain non biaisée pour évaluer correctement les modèles.
- Réduction de 86 % des coûts sur 11 attributs de qualité d'image après sélection d'un nouveau modèle.
Property Finder a découvert que 96,8 % des étiquettes de son évaluation de vision par IA provenaient du modèle en place, masquant sa véritable précision. L'entreprise explique comment elle a construit une vérité terrain non biaisée, optimisé ses prompts par évolution, et sélectionné un modèle plus précis et économique sur Amazon Bedrock, réduisant ses coûts de 86 % sur 11 attributs de qualité d'image selon l'annonce d'AWS.
Ce que ça change pour vous
- Retail & E-commerceLes retailers utilisant des outils de vision par IA peuvent améliorer la précision de leurs modèles en corrigeant les biais d'évaluation, réduisant ainsi les coûts opérationnels.
Ce résumé vous donne l'essentiel. L'article complet, ses chiffres et ses citations sont chez Artificial Intelligence.
Lire l'article originalRésumé généré par IA à partir de la source, relu par règles. Comment nous rédigeons · Signaler une erreur